Загружаете документы и каталоги — получаете ИИ-агента на сайте и в Telegram. Он сам ищет, дочитывает и отвечает клиентам и сотрудникам круглосуточно — с источником каждого факта.
Логика ответа настраивается под задачи бизнеса без программиста: правки проверяются тестами, у каждой версии есть откат.
Регламенты в PDF, цены в таблицах, ответы на частые вопросы — в головах и чатах. Сотрудники ищут по полчаса, клиенты не ждут.
Модели дали «всю базу» в промпт — и она путает цены, артикулы и условия, придумывает ссылки. Отличить правду от выдумки клиент не может.
«Роутер → ветка → шаблон»: любой новый тип вопроса — доработка у подрядчика. Спросили «сравни два товара» — бот не понял и выдал карточку одного.
Что спрашивают, где ответ был плохим и почему — неизвестно. Улучшать вслепую нельзя, а каждое «улучшение» ломает что-то соседнее.
Не «бот с промптом», а система, где каждый слой отвечает за своё: знания хранятся так, что их читает человек, поиск находит точно, агент решает задачу, а каналы доставляют один и тот же ответ.
PDF, Word, TXT превращаются в аккуратные документы с разделами — без пересказа. Таблицы и JSON — в каталог объектов с полями: артикул, цена, страна, категория, форма.
Гибридный поиск: по смыслу и по словам одновременно, с формами слов. Понимает артикулы, опечатки, транслит и сленг; фильтрует каталог по полям до ранжирования.
У агента инструменты вместо жёсткого сценария: поиск, чтение документа и раздела, точная строка, карточка товара, выборка каталога по полям. Составную задачу он раскладывает сам.
Один ассистент — во всех каналах, с общей базой и одинаковым ответом. Диалог помнит контекст: «а цена?» относит к товару из предыдущих сообщений.
Одна платформа — разные роли. Набор задач задаётся настройкой логики ответа, а не разработкой нового бота.
Подбор по потребности, сравнение, аналоги из той же категории, формы выпуска и фасовки, ассортимент по стране покупателя — с артикулами.
Доставка, оплата, возврат, регистрация, офисы и график, мероприятия — строго по вашим регламентам, со ссылкой на документ.
Положения, инструкции, регламенты: ответ с разделом документа, который можно открыть. Новичок не дёргает коллег по каждому вопросу.
Отдельный осторожный режим: без назначений и обещаний, с направлением к специалисту. Обязательную фразу добавляет код — она не потеряется.
Без давления и рекламных слов: признаёт сомнение, объясняет фактами из базы, уточняет задачу. Без артикулов и цен там, где они звучат как продажа.
Спам и реклама получают ответ без обращения к модели. Уточняющий вопрос — только когда от выбора правда зависит ответ, а не на каждое сообщение.
Как отвечать, описано в «харнесе» — пошаговой схеме: проверки на входе, ветки, промпты, набор инструментов агента, правила, финальный ответ. Её меняют без релиза сервиса, а каждую версию стерегут тесты.
Нет зашитой цепочки «роутер → контекст → ответ». Есть инструменты и инструкции — агент сам выбирает путь под вопрос.
Спам-фильтр, медицинский маркер, обязательные фразы и бюджет времени работают без модели. То, что должно быть всегда, не зависит от её настроения.
Список источников собирает программа из того, что агент действительно открыл. Модель видит ровно тот контекст, что уходит клиенту.
Новая версия логики включается, только если прошли встроенные тесты. Не понравилось — откат на прошлую одной командой.
Журнал всех вопросов и ответов по каналам, путь каждого ответа по шагам схемы, оценки пользователей. Схема архитектуры рисуется из тех же данных.
12 типов шагов: проверки, ветвления, переменные, поиск в нужном разделе, свои LLM-шаги, агент, ответ. Кода в схеме нет — её проверяет валидатор и исполняет движок.
Управление базой и логикой открыто через MCP: подключённый ИИ-агент (например, Claude) сам гоняет тесты, разбирает ответы и предлагает новую версию. Включает её человек.
Прогон реальных вопросов harness_run_tests
Журнал ответов и путь каждого по шагам ask_log
Логика, инструменты или промпт → новая версия harness_set
Новая версия на тех же вопросах до включения harness_test
Только при зелёных тестах, откат — одной командой harness_activate
Так, например, появился подбор похожих товаров: агент заметил в ответах слабое место, добавил правило «категория товара → выборка по категории» и тест на него — без единой строки кода сервиса.
Сравнения проводили на реальных вопросах. Ответы оценивал слепой LLM-судья: не знал, какая система отвечает, ставил баллы по достоверности, полезности, безопасности, честности и стилю.
Агент ответил лучше действующего ассистента компании (классический сценарий «роутер → контекст → ответ»). Действующий лучше — в 37, ничья — в 18.
Верных ответов у агента против 60 у обычной схемы «поиск + ответ моделью». Выдумок — 3 против 7.
Нужный товар — первым в выдаче; в первой тройке — 196 из 200. На запросы о товарах, которых нет, — честное «такого нет» в 6 из 6.
Честно о минусах: агент отвечает в среднем за 8 секунд против 4 у классического сценария — он читает источник, прежде чем ответить. Обращений к модели при этом меньше: 1,7 против 2,5 на ответ.
Загружаем документы и каталоги, раскладываем по категориям, проверяем, что поиск находит нужное.
Под ваши задачи: роли, тон, осторожные темы, правила по стране. Если у вас уже есть сценарий бота — переносим его и сравниваем.
Прогоняем реальные вопросы клиентов и сотрудников, показываем ответы рядом и разбираем слабые места.
Виджет на сайт, Telegram, API. Дальше — улучшения по журналу ответов: каждая правка с тестом и откатом.
Он отвечает только по прочитанному из вашей базы: каждое число, цену и условие сверяет с источником, а список источников собирает программа, а не модель. Если данных нет, так и говорит. Ошибиться в толковании он может, поэтому у каждого ответа есть путь по шагам и источник — их видно в журнале.
Агент сначала переформулирует запрос и сменит способ поиска — по смыслу, по точной строке, по полям каталога, по оглавлению базы. Не нашёл — честно скажет и предложит уточнить. Такие вопросы видны в журнале: это готовый список того, что стоит дописать в базу.
Да. Логика ответа — данные: промпты, шаги, набор инструментов, правила. Правка сохраняется новой версией, проверяется тестами и включается, только если они прошли. Откат — одной командой. Менять может и подключённый ИИ-агент через MCP, но включает версию человек.
Каждая компания — изолированная коллекция: свои документы, индекс, история и пароли, всё в одной папке. Платформу можно развернуть на вашем сервере. Модели подключаются через совместимый API — можно выбрать провайдера под ваши требования.
Загрузить новый файл или поправить документ в редакторе — правка видна в ответах сразу. Каталог обновляется загрузкой таблицы или JSON. Перед крупными изменениями — архив базы, восстановление одной кнопкой.
Потому что сначала читает источник: в среднем 7–8 секунд против 4 у классического бота. Простые вещи — спам, готовые ответы — отрабатывают без модели за миллисекунды. Если для витрины нужна скорость, тот же поиск отдаёт результаты без модели.
Зависит от объёма базы, числа каналов и задач. Начинаем с разбора и пилота на ваших документах — по нему называем сроки и стоимость. Если ассистент вам не окупится, скажем прямо.
Пришлите несколько документов или выгрузку каталога и десяток реальных вопросов — соберём пилот и покажем ответы рядом с тем, как отвечают сейчас.
Написать в Telegram →Бесплатный разбор и без обязательств.